Los investigadores Jingxu Gu y Dongze Lian de Nanjing University informan de una puntuación global de 85.55 % para DEED, su método de manipulación robótica de grano fino, en el benchmark MetaFine de cinco tareas. Su prepublicación se envió a arXiv el 29 de octubre.
El artículo compara esa puntuación con el 43.01 % del baseline π0 publicado; es un resultado de benchmark comunicado por los autores.
DEED, sigla de Demonstration Expansion and Execution Design, adapta una política preentrenada de visión-lenguaje-acción. Los autores afirman que combina distintas instrucciones con la misma escena inicial, vuelve a representar trayectorias con diferentes condiciones de cámara e iluminación sin alterar sus estados ni objetivos de acción, y utiliza muestreo jerárquico para equilibrar los datos de entrenamiento.
Para la ejecución, el método convierte fragmentos de acciones previstas en órdenes para el robot mediante cinemática inversa, asignaciones de pinza específicas para cada tarea y replanificación de bucle cerrado. Las cinco tareas del benchmark abarcan agarre de piezas, movimiento direccional, accionamiento de interruptores, clasificación de objetos e inserción de letras.